흑백 뎁스 영상 구동 · 자체 모델을 활용한 여성 의류 쇼케이스 워크플로우
PROMPT · 영상 생성 프롬프트
AI로 창작 시작✍️ 편집자 해설
이 프롬프트 자체는 한 문장뿐이라 매우 얇지만, 진짜 묘미는 워크플로우를 나눈 방식에 있다: 자세·동작 데이터와 최종 화면의 정체성을 두 단계로 나누어 모델에 각각 입력한다. 먼저 뎁스 영상으로 순수한 동작 골격만 추출해 원본 영상의 인물과 장면 정보를 지워버린다. 그러면 세 번째 단계의 프롬프트는 '긍정적 지정 + 부정적 배제'를 한 번만 좁혀주면 된다. 'A만 참고하고 B, C는 참고하지 않는다'처럼 한 문장 안에 화이트리스트와 블랙리스트를 함께 담는 방식은 이미지-투-비디오 생성이 엇나가는 것을 막는 가장 손쉬운 방법이며, 샷 디테일을 잔뜩 쌓는 것보다 효과적이다. 동작은 이미 뎁스 영상으로 고정되어 있으므로, 프롬프트는 학습하면 안 되는 것을 콕 집어 배제하는 역할만 하면 되기 때문이다.
워크플로우 프롬프트
PROMPT · 프롬프트 전문
AI로 창작 시작✍️ 편집자 해설
이 블록은 3단계 워크플로우 그 자체이며, 실제 역할 분담은 앞의 두 단계에서 이루어진다: 1단계는 기준 영상을 흑백 뎁스 맵으로 변환해 동작 골격 정보만 남기고, 인물과 장면 정보는 뎁스 정보에 의해 완전히 지워진다 — 이 단계는 codex에게 스크립트를 작성시켜 자동화할 수도 있어 사람이 개입할 필요조차 없다. 2단계는 자신만의 모델을 별도로 생성하는 단계로(캐릭터 카드가 우선이지만 단일 이미지도 가능), '누가 연기하는가'와 '어떻게 움직이는가'를 완전히 분리한다. 3단계야말로 실제로 영상 모델에 입력되는 프롬프트인데, 앞의 두 단계에서 이미 고정해야 할 정보를 모두 고정해두었기 때문에 단 한 문장으로 끝난다. 이렇게 '데이터 준비는 워크플로우 안에서 하고, 프롬프트는 마무리만 담당한다'는 계층적 접근은 하나의 문장에 모든 제약을 욱여넣으려는 것보다 훨씬 안정적이다.



